[发明专利]一种多目标检测与跟踪方法

权利要求书

1.一种多目标检测与跟踪方法，其特征在于：

1）采用已经训练好的分类器对输入的视频帧序列f_i进行逐帧检测，计算每一个目标的信任度，当目标的信任度大于第一阈值时，该对应的目标被认定为候选目标；

得到每一个候选目标的信息，其中，j=1,…,N，N为检测到的候选目标个数，，D_t为所有检测到的候选目标集合，为第j个候选目标的中心坐标，为第j个候选目标的宽度和高度；

2）将每一个候选目标分成m×n个小块，用3×3的模板提取每一个小块的每一个像素点x_c的二值化特征值l（x_c），以此得到m×n个小块特征向量，，最后将该个小块特征向量连接成一个维的候选目标特征向量，其中G为每个小块中像素点的个数；

其中，每一个像素点x_c的二值化特征值l（x_c）公式如下：

；其中，P是边缘处像素点个数；I_i为边缘像素点灰度值；I_xc为模板中心点灰度值；S是符号函数；

3）采用l₂范数来计算连续两帧中前一帧的确认目标与后一帧的候选目标之间的相似度，公式如下：

其中，为t-1时刻第i个确认目标，为t时刻第j个候选目标，为第i个确认目标的特征向量，为第j个候选目标的特征向量，K为特征向量元素的个数；

4）采用卡尔曼滤波跟踪算法作为每一个目标的跟踪框架，使用当前每一个目标的中心坐标作为输入来预测下一帧该目标可能出现的位置中心坐标；

利用欧几里得距离来计算连续两帧中前一帧每一个确认目标预测的位置与后一帧中各个候选目标位置之间的空间距离，公式如下：

其中，表示t-1时刻第i个确认目标，表示t时刻第j个候选目标，表示确认目标在t+1时刻预测的位置中心坐标，表示候选目标的中心坐标；

5）采用以下亲和度函数公式关联确认目标和候选目标：

；其中为亲和度；

在确认目标和候选目标过程中，采用匈牙利算法将候选目标和确认目标进行关联；

当候选目标与确认目标得到关联后，则将该候选目标认定为确认目标；

6）对于在候选目标中未得到关联的前一帧确认目标则认定为该确认目标被遮挡，当确认目标被遮挡时，使用预测的坐标作为所述确认目标的下一帧实际坐标，并且将最后四帧确认目标的宽度、高度的平均值作为当前帧确认目标宽度、高度值，即如果当前是第t帧，则当前确认目标的宽度、高度值设为t -1、t -2、t -3、t -4帧，这四帧的平均值；

对于未得到关联的候选目标，其连续检测到的帧数达到第二阈值时则认定该目标为一个新目标。

2.根据权利要求1所述多目标检测与跟踪方法，其特征在于将认定为同一目标的当前帧候选目标的每一个小块特征向量与前一帧确认目标的相同块的小块特征向量进行相似度比较，若相似度大于第三阈值，则用当前目标的小块特征向量替代前一帧确认目标的小块特征向量。

3.根据权利要求1所述多目标检测与跟踪方法，其特征在于每连续5帧对确认目标特征向量进行更新，用以下公式对目标特征向量进行更新：

其中，μ为学习速率，L_old为之前的目标模板特征向量，L_cur为当前候选目标的特征向量。

4.根据权利要求1或2或3所述多目标检测与跟踪方法，其特征在于所述第一阈值符合以下要求：0＜≤4。

5.根据权利要求1或2或3所述多目标检测与跟踪方法，其特征在于所述第二阈值为1～10的整数。

6.根据权利要求2所述多目标检测与跟踪方法，其特征在于所述第三阈值符合以下要求：0.7＜＜1。